10 مقایسه جالب میان پزشکان قرن نوزدهم و الگوریتم های پزشکی امروز
به گزارش لوکو، در مطب های شلوغ قرن نوزدهم، جایی که بوی جوهر قلم و بخار الکل به مشام می رسید، پزشکانی نشسته بودند که بیماری را از روی رنگ پوست، لرزش دست یا حتی نحوهٔ نشستن بیمار تشخیص می دادند. در آن موقع نه آزمایش خون رایجی وجود داشت و نه دستگاه های تصویربرداری مدرن. اما تجربه، حافظه و مشاهده وجود داشت، همان چیزی بود که امروز از آن به عنوان داده های بالینی (clinical data) یاد می کنیم. هر پزشک، الگوریتمی زنده بود که در فکر خود الگوها را می سنجید و تصمیم می گرفت.
امروز اما جای همان نگاه تیزبین را دوربین های تشخیص چهره، شبکه های عصبی (neural networks) و مدل های زبانی گرفته اند. ماشین ها از میلیون ها پرونده، همان الگوها را استخراج می نمایند و به نتایجی می رسند که گاه دقیق تر از قضاوت انسانی است. اما پرسش اساسی این است: آیا تفاوت پزشک قرن نوزدهم و الگوریتم پزشکی امروز، صرفاً در ابزار است یا در نوع درک انسان از رنج، بدن و خطا؟
پزشکان آن دوران با حواس پنج گانه کار می کردند و محصول سال ها مشاهده بودند. امروزه الگوریتم ها نیز می بینند، می شنوند و داده ها را می بلعند. اما هنوز چیزی میان آن دو باقی است که شاید هیچ وقت به طور کامل یکی نگردد: درک انسانی از بدن بیمار. در این مقایسه، به شباهت ها و تفاوت های پزشکان نسخه نویس قرن نوزدهم و الگوریتم های پزشکی قرن بیست ویکم می پردازیم تا ببینیم آیا علم پزشکی واقعاً به نقطهٔ شروع خود بازمی گردد یا به آینده ای بی احساس پرتاب می گردد.
1. تشخیص بر پایهٔ الگوها: از فکر پزشک تا شبکهٔ عصبی
پزشکان قرن نوزدهم، پیش از آنکه علم آمار یا زیست شناسی مولکولی معنا بیابد، با الگوهای فکری (pattern recognition) کار می کردند. وقتی پزشکی رنگ پریدگی پوست را می دید، فوراً احتمال کم خونی را می داد. اگر صدای قلب خاصی می شنید، تصویری از بیماری دریچه ای در فکرش نقش می بست. این الگوی فکری، حاصل سال ها تجربه بود، درست همان کاری که امروز مدل های هوش مصنوعی انجام می دهند.
الگوریتم های مدرن پزشکی با تکیه بر یادگیری عمیق (deep learning) همین مسیر را طی می نمایند، اما در مقیاسی غیرقابل تصور. آنچه پزشک با مشاهدهٔ صد بیمار یاد می گیرد، الگوریتم از داده های میلیون ها پرونده می آموزد. با این حال هر دو در معرض یک خطر مشابه اند: اشتباه ناشی از الگوی نادرست. پزشک ممکن است بیماری نادر را با علائم آشنا اشتباه بگیرد، درست مانند الگوریتمی که دادهٔ نامتوازن دریافت نموده باشد.
تفاوت بزرگ در این است که فکر پزشک می تواند به شهود انسانی تکیه کند و از چارچوب های منطقی خارج گردد، در حالی که الگوریتم در حصار احتمالات ریاضی باقی می ماند. این تفاوت، شکافی است میان دانستن و فهمیدن.
2. نسخه نویسی و تصمیم گیری: از ترکیب داروها تا تحلیل چندمتغیره
در قرن نوزدهم، نسخه نویسی هنر بود. پزشک با ترکیب مواد مختلف، دارویی می ساخت که نه تنها برای بیماری، بلکه برای مزاج (temperament) بیمار مناسب باشد. در آن دوران هنوز مفهومی به نام دوز دقیق یا اثرات مولکولی وجود نداشت. پزشک با تجربه و آزمون وخطا عمل می کرد، درست مانند الگوریتمی که مدل تصمیم گیری خود را با داده های متنوع تنظیم می نماید.
امروزه الگوریتم های پزشکی از تحلیل چندمتغیره (multivariate analysis) برای انتخاب درمان بهینه استفاده می نمایند. در واقع، همان کاری که پزشکان با فکر خود انجام می دادند، اکنون به صورت ریاضی و برنامه نویسی پیاده شده است. تفاوت در این است که پزشکان آن موقع، احساس مسئولیت اخلاقی را در تصمیم خود دخیل می کردند، در حالی که الگوریتم تنها به احتمال موفقیت نگاه می نماید.
با وجود پیشرفت تکنولوژی، هنوز در تصمیم گیری های بالینی، قضاوت انسانی لازم است. چون تصمیم پزشکی نه فقط بر اساس داده ها، بلکه بر اساس زمینه های اجتماعی، روانی و اخلاقی اتخاذ می گردد. الگوریتم شاید برترین درمان را از نظر آماری پیشنهاد دهد، اما نمی داند بیمار از دارو می ترسد یا توان مالی آن را ندارد.
3. رابطه با بیمار: همدلی در برابر تحلیل داده
پزشک قرن نوزدهم، به ناچار ساعت ها وقت خود را با بیماران می گذراند. گفت وگو، مشاهده و لمس بدن بیمار، بخشی از فرآیند درمان بود. آنچه امروزه ارتباط درمانی (therapeutic communication) نامیده می گردد، در آن دوران یک مهارت حیاتی بود. پزشک باید نه تنها درد را درمان می کرد، بلکه اضطراب بیمار را نیز آرام می ساخت.
در مقابل، الگوریتم های پزشکی از داده های تصویری و متنی برای تشخیص استفاده می نمایند و چیزی از احساس یا لحن نمی دانند. حتی در ربات های مشاور سلامت (healthcare chatbots) نیز همدلی مصنوعی هنوز جایگزین تماس انسانی نشده است. با این حال، کوشش هایی برای آموزش درک عاطفی مصنوعی (affective computing) در جریان است تا ماشین ها بتوانند از چهره یا صدا، احساسات بیمار را بفهمند.
اما آیا همدلی را می توان آموزش داد؟ پزشکان قرن نوزدهم با لمس نبض، حال بیمار را درک می کردند، در حالی که الگوریتم با تحلیل پالس های دیجیتال به همان نتیجه می رسد، بی آنکه واقعاً درک کند. شاید این تفاوت، بزرگ ترین مرز میان انسان و ماشین در طب باشد.
4. خطا و مسئولیت: از وجدان حرفه ای تا مدل احتمالاتی
در پزشکی قرن نوزدهم، خطا بخشی از فرآیند یادگیری بود. پزشکان با وجدان حرفه ای خود می زیستند و اگر بیماری از دست می رفت، مسئولیت را بر عهده می گرفتند. این مفهوم حس پاسخ گویی (accountability) یکی از ستون های اخلاق پزشکی بود.
در دنیای امروز، خطای الگوریتمی اغلب بی صاحب است. اگر مدل هوش مصنوعی، نتیجه ای اشتباه بدهد و جان بیماری به خطر افتد، مقصر کیست؟ برنامه نویس؟ پزشک ناظر؟ یا خود سیستم؟ این بحران مسئولیت در پزشکی دیجیتال، همان چالشی است که قرن نوزدهم با آن از زاویه ای انسانی تر روبه رو بود.
پزشک در آن دوران، اعتبار و معروفیت خود را بر اساس دقت در درمان می ساخت، نه براساس عملکرد یک مدل. او می دانست که هر نسخه می تواند مرگ یا زندگی به همراه داشته باشد. در حالی که الگوریتم ها، بر مبنای احتمال خطا (error rate) ارزیابی می شوند، نه وجدان. همین تمایز، سبب می گردد که اعتماد به پزشک هنوز از اعتماد به ماشین بیشتر باشد، حتی اگر دقت ماشین بالاتر باشد.
5. آموزش و تجربه: از شاگردی بالینی تا داده محوری دیجیتال
پزشکان قرن نوزدهم، دانش خود را به وسیله شاگردی مستقیم نزد استادان طب می آموختند. آموزش بالینی (clinical apprenticeship) بر مشاهده و تقلید پایدار بود. دانشجو در کنار پزشک ارشد می ایستاد، به گفت وگوهای او با بیمار گوش می داد و به وسیله تکرار می آموخت. تجربه فردی و حافظه، منبع اصلی مهارت بالینی بود.
اما در پزشکی امروز، الگوریتم ها با میلیون ها داده آموزشی (training datasets) تغذیه می شوند. آنها استاد نمی خواهند، بلکه داده می خواهند. همان طور که پزشک آن دوران بیمار واقعی را لمس می کرد، الگوریتم نیز داده واقعی را لمس می نماید، با این تفاوت که لمس او بدون احساس است.
در گذشته خطا به معنای یادگیری بود، اما در مدل های دیجیتال، خطا فقط یک متغیر برای بهینه سازی محسوب می گردد. پزشکان با مرور تجربیات بالینی به بلوغ می رسیدند، الگوریتم ها با کاهش نرخ خطا (loss function). در نتیجه، فرایند یادگیری در هر دو سیستم شباهت ساختاری دارد اما فاقد وجه انسانی در نسخه دیجیتال است. پزشک، با تماشا رنج بیمار تغییر می کرد، اما الگوریتم نه رنج را می بیند و نه تغییر را می فهمد.
6. اتاق معاینه در برابر محیط ابری
اتاق های معاینه قرن نوزدهم، مکان هایی فیزیکی و محدود بودند که پزشک، بیمار و ابزار ساده ای چون گوشی پزشکی (stethoscope) را در خود جای می دادند. در آن محیط، مشاهده و تماس انسانی بخش جدایی ناپذیر درمان بود. حتی چیدمان فضا نور، بو، سکوت بخشی از تجربه پزشکی به شمار می رفت.
اما امروزه میدان عمل، محیط ابری (cloud environment) است. پزشک یا الگوریتم از هزاران کیلومتر دورتر، داده های حیاتی بیمار را تحلیل می نماید. این انتقال از حضور به مجاز، معادلی است از گذار پزشکی از لمس به داده. ارتباط فیزیکی جای خود را به اتصال دیجیتال داده است.
با وجود این تغییر، هدف مشترک به جای مانده: شناخت شرایط بدن انسان. هرچند پزشک قرن نوزدهم با گوش و چشم کار می کرد و امروز الگوریتم با پیکسل و عدد، هر دو در کوشش اند تصویر درستی از سلامت بسازند. تفاوت در حضور انسانی است، نه در دقت مشاهده. از همین رو بعضی بیماران هنوز درمان را زمانی واقعی می دانند که کسی نه چیزی به آنها گوش دهد.
7. اقتصاد پزشکی: از حق الزحمه تا مدل های اشتراکی داده
در قرن نوزدهم، پزشک به ازای هر ویزیت، وجهی دریافت می کرد و رابطه ای شخصی و مالی با بیمار داشت. نظام پزشکی بیشتر شبیه حرفه ای مستقل بود تا صنعت. اما در قرن بیست ویکم، الگوریتم های پزشکی درون شرکت های داده محور فعالیت می نمایند. ارزش نه در درمان بلکه در داده است.
در این تحول، پزشکی از هنر فردی به صنعت محاسبه تبدیل شد. الگوریتم ها نه برای یک بیمار بلکه برای هزاران بیمار کار می نمایند و سود از مقیاس به دست می آید. پزشک قرن نوزدهم از دستمزد ناچیز خود رضایت داشت چون شأن اجتماعی و اخلاقی طبابت را مهم تر می دانست. الگوریتم اما بی نیت است، تنها بهینه سازی مالی را دنبال می نماید.
این تغییر اقتصاد سلامت، پرسشی اخلاقی ایجاد نموده است: اگر الگوریتمی در درمان دقیق تر است اما محصول یک شرکت خصوصی است، آیا عدالت درمانی حفظ می گردد؟ در قرن نوزدهم، طبابت یک خدمت بود، امروز یک بازار داده است. همین شکاف، معین نماینده آینده اعتماد عمومی به پزشکی دیجیتال است.
8. بدن به عنوان معما یا مدل ریاضی
پزشکان قرن نوزدهم، بدن انسان را معمایی زنده می تماشاد. آنها به زبان استعاره سخن می گفتند: معده را کوره، خون را رودخانه و مغز را اتاق فرمان. این استعاره ها نشان از محدودیت علم اما غنای تخیل داشت. در مقابل، الگوریتم های امروزی بدن را به مجموعه ای از متغیرها، بردارها (vectors) و روابط احتمالی تبدیل می نمایند.
این تغییر نگرش، تحول عظیمی در فهم پزشکی ایجاد نموده است. امروز بدن نه پدیده ای زنده بلکه داده ای قابل تحلیل است. اما در عین حال، این رویکرد نو گاهی خطر تقلیل انسان به اعداد را به همراه دارد. وقتی درد یا افسردگی در قالب نمودار بیان می گردد، جنبه های درونی و شخصی رنج از دید پنهان می ماند.
پزشک قرن نوزدهم شاید در تشخیص اشتباه می کرد اما انسان را همچنان راز می دانست. الگوریتم، دقت بالاتری دارد ولی راز را حذف می نماید. پرسش اینجاست که آیا پزشکی بدون راز، هنوز پزشکی است یا صرفاً مهندسی بدن؟
9. خطا، پیش بینی و شهود
در قرن نوزدهم، شهود (intuition) یکی از ابزارهای درمان بود. پزشک از تجربه و حس درونی برای پیش بینی شرایط بیمار استفاده می کرد. این حس که امروز گاهی سوگیری شناختی (cognitive bias) نامیده می گردد، در بسیاری موارد جان بیماران را نجات می داد.
در عصر دیجیتال، الگوریتم ها نیز پیش بینی می نمایند، اما از مسیر احتمالات و مدل های آماری (predictive modeling). دقت بالاتر است، اما انعطاف کمتر. پزشک می توانست با تماشا جزئیات نامعمول ناگهان مسیر درمان را عوض کند، در حالی که الگوریتم تابع قوانین از پیش تعریف شده است.
با این حال، بعضی پژوهشگران کوشش نموده اند شهود انسانی را به الگوریتم بیاموزند، با ترکیب یادگیری تقویتی (reinforcement learning) و شبکه های عصبی بازگشتی. نتیجه هنوز کامل نیست، چون شهود به خودی خود از منطق فراتر می رود و از تجربهٔ زیسته می آید. این همان چیزی است که فعلاً در هیچ داده ای یافت نمی گردد.
10. اخلاق و آینده اعتماد
در قرن نوزدهم، اخلاق پزشکی بر پایهٔ سوگند و شرافت بود. پزشک متعهد می شد که درد را بکاهد و از بیمار مراقبت کند. امروز الگوریتم ها به جای سوگند، به کُد متعهدند. قوانین حریم خصوصی، یادگیری امن (federated learning) و شفافیت داده، معادل مدرن آن سوگند قدیمی است.
اما پرسش بنیادین باقی می ماند: اعتماد را چگونه بازسازی کنیم؟ بیماران به پزشکی اعتماد داشتند چون چهره پزشک را می تماشاد و نگاه او را می خواندند. حالا باید به سیستمی اعتماد نمایند که چهره ندارد. شاید آینده پزشکی به ترکیبی از هر دو احتیاج داشته باشد: دقت سرد ماشین و گرمای انسانی پزشک.
این گذار نه فقط تغییر ابزار، بلکه تحول در ماهیت اعتماد است. همان طور که قرن نوزدهم شاهد تولد علم نوین پزشکی بود، قرن حاضر شاهد تولد وجدان دیجیتال است، وجدانِ بی صورت اما ناظر.
خلاصه نهایی
در نگاه نخست، پزشک قرن نوزدهم و الگوریتم پزشکی قرن بیست ویکم دو پدیدهٔ کاملاً متفاوت به نظر می رسند. یکی انسانی خسته با گوشی چوبی و دفتر یادداشت، دیگری سامانه ای بی چهره که میلیاردها داده را تحلیل می نماید. اما در عمق، هر دو در جست وجوی یک هدف مشترک اند: یافتن الگو در آشفتگی زندگی. پزشک، الگو را از میان نشانه های جسمی بیرون می کشید، الگوریتم از دل اعداد و نمودارها.
شباهت آن ها در ساختار تفکر است، نه در ابزار. هر دو از تجربه، داده و خطا می آموزند. تفاوت اصلی در نحوهٔ حضور است: پزشک با بدن و احساس سروکار داشت، الگوریتم با داده و محاسبه. در پزشکی گذشته، تشخیص نوعی قضاوت انسانی بود، در پزشکی امروز به تصمیم آماری تبدیل شده است.
با وجود پیشرفت ها، هنوز هیچ فناوری نتوانسته احساس مسئولیت، شهود و همدلی را بازسازی کند. ماشین ها ممکن است دقیق تر باشند، اما درکی از رنج ندارند. آیندهٔ پزشکی احتمالاً در هم زیستی این دو نیرو نهفته است: پزشکِ مطلع به فناوری و الگوریتمِ مطلع از انسان. علم شاید همواره از داده شروع گردد، اما درمان واقعی از درک شروع می گردد.
❓ سؤالات رایج (FAQ)
1. آیا الگوریتم های پزشکی می توانند جایگزین کامل پزشکان شوند؟
خیر. الگوریتم ها در تشخیص دقیق اند اما فاقد درک انسانی، همدلی و قضاوت اخلاقی هستند. ترکیب پزشک و هوش مصنوعی نتیجهٔ بهتری دارد.
2. شباهت اصلی پزشکان قرن نوزدهم و الگوریتم های امروز در چیست؟
هر دو از داده، تجربه و الگوها برای تشخیص استفاده می نمایند، هرچند یکی شهودی است و دیگری ریاضی محور.
3. مهم ترین تفاوت میان تصمیم گیری انسانی و الگوریتمی چیست؟
پزشک با زمینه های روانی، اجتماعی و اخلاقی تصمیم می گیرد، اما الگوریتم تنها بر اساس احتمال آماری عمل می نماید.
4. آیا خطا در الگوریتم ها کمتر از پزشکان است؟
در بسیاری از موارد بله، اما نوع خطا فرق دارد. خطای الگوریتمی گاهی سیستماتیک است و در مقیاس بزرگ تر اثر می گذارد.
5. چگونه می توان به الگوریتم های پزشکی اعتماد کرد؟
اعتماد با شفافیت داده، نظارت انسانی و اخلاق حرفه ای دیجیتال ایجاد می گردد. بدون این سه، اعتماد ممکن نیست.
6. آیندهٔ رابطهٔ پزشک و هوش مصنوعی چگونه خواهد بود؟
احتمالاً ترکیبی خواهد بود: پزشک تصمیم گیرندهٔ نهایی و الگوریتم یار فکری او. پزشکی آینده بر همکاری انسان و ماشین پایدار است.
For international readers:
You are reading 1pezeshk.com, founded and written by Dr. Alireza Majidi -the oldest still-active Persian weblog- mainly written in Persian but sometimes visible in English search results by coincidence.
The title of this post is 10 Interesting Parallels Between 19th-Century Physicians and Todays Medical Algorithms. It explores how old prescription doctors and modern AI systems share similar logic in diagnosis and decision-making, despite one relying on empathy and the other on data.
You can use your preferred automatic translator or your browsers built-in translation feature to read this article in English.